以信息增益模式探讨在高维数据上的多类别证型分类

【摘要】：在慢性胃炎研究上决策树归纳法之使用已渐增加,以决策树归纳法同时表示信息增益以区别胃炎症状对证型分类之贡献,能更正确地区别慢性胃炎。而信息增益已广泛地用于评估两分分类,仅有很少报导有关多类别慢性胃炎分类,它需要探索多类别慢性胃炎分类之信息增益。本研究提出基于名目及次序样本类结果的决策树归纳法所做的多类别慢性胃炎分类,例如,不同慢性胃炎次型的症状样本,评估是以决策树归纳法与Friedman-Goldszmid,HGC,Cheng判别法之正确率作比较。显示平均正确率64.9%优于前三者且提高1.55%。